找到 "mmdetection/mmdet/datasets/coco.py" 371行
修改classwise=True,
如果想要IOU=0.5的各类AP值，那么请修改355行iou_thrs=[0.5],
正常训练和测试就会输出你想要的结果。
IoU=0.50意味着IoU大于0.5被认为是检测到，超出检测范围，所以Ap=-1
版权声明：本文为CSDN博主「明泽.」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_36955294/article/details/116050158
项目地址：make-your-yolov5_dataset 一、数据集标注软件 labelImglabelMe精灵标注助手 更多的标注工具你可以去看：深度学习图像标注工具汇总 、 十个最常用深度学习图像/视频数
2021SCSDUSC ppdet/data/reader.py源码分析 首先是在yaml上的配置： 文件./_base_/datasets/coco.yml metric: COCO # 验证模型的评测标准&#
在图像识别任务中，裁剪是一种比较常用的数据增强方法。通过numpy对图像数组进行截取就可以实现裁剪的功能。 对于像目标检测这类带标注框的图像识别任务，裁剪要确保目标不被裁掉，另外，还要更
mmdetection对特征图进行可视化 思路：在前向传播时将四个stage的特征图返回出来（更简单的方法在我下一篇博客，欢迎阅读） 1.two_stage.py修改 我修改的地方都
暂无评论